RedMoon / 训练日志

多智能体强化学习

2 篇

  1. Day13:把论文放回地图——MARL + LLM 的两条主线与一个汇聚层

    从 PPO 与基础术语出发,梳理语言智能体与多智能体强化学习的两条主线,以及奖励与信用分配的核心问题。

  2. Day12:多个智能体,怎样才算学会了合作?

    三篇论文串起多智能体学习:训练 LLM 队员、分配个体贡献,以及用 LLM 设计奖励规则。

返回论文